基于YOLO的绝缘子红外故障定位诊断方法及装置

    公开(公告)号:CN110780164B

    公开(公告)日:2022-03-25

    申请号:CN201911066299.X

    申请日:2019-11-04

    Abstract: 本发明公开了一种基于YOLO的绝缘子红外故障定位诊断方法及装置,包括获取绝缘子红外劣化图像;对所述绝缘子红外劣化图像中的故障发热点进行批量框选;建立绝缘子红外劣化识别库,采用YOLO算法对所述绝缘子红外劣化识别库进行绝缘子红外诊断训练和绝缘子红外诊断识别,从而完成绝缘子红外故障定位。本发明的技术方案能够实现自动对绝缘子红外图像中的故障的识别及定位诊断,节省了红外运检方法中人工排查的环节,提高了工作效率和检测准确度。

    一种基于紫外图谱的绝缘子污秽状态评估方法

    公开(公告)号:CN113065484A

    公开(公告)日:2021-07-02

    申请号:CN202110383694.1

    申请日:2021-04-09

    Abstract: 本发明公开了一种基于紫外图谱的绝缘子污秽状态评估方法,包括:S1,绝缘子紫外图像预处理:对现场监测获取的紫外图像进行图像预处理,保留紫外图像中的主光斑及其周围的微小光斑,得到光斑图像;S2,基于深度学习卷积神经网络算法对绝缘子污秽状态分类:基于预处理后的光斑图像,按照一定比例随机选取训练集与测试集,以不同类型的光斑图像的每一个像素信息作为输入,进行特征提取;将特征参数输入卷积神经网络进行训练,得出绝缘子属于不同污秽程度下的概率。本发明提供的基于紫外图谱的绝缘子污秽状态评估方法,通过对绝缘子紫外图像预处理、带入卷积神经网络进行训练,自动判断出绝缘子的污秽状态,提高绝缘子在线监测的实时性和准确性。

    基于YOLO的绝缘子红外故障定位诊断方法及装置

    公开(公告)号:CN110780164A

    公开(公告)日:2020-02-11

    申请号:CN201911066299.X

    申请日:2019-11-04

    Abstract: 本发明公开了一种基于YOLO的绝缘子红外故障定位诊断方法及装置,包括获取绝缘子红外劣化图像;对所述绝缘子红外劣化图像中的故障发热点进行批量框选;建立绝缘子红外劣化识别库,采用YOLO算法对所述绝缘子红外劣化识别库进行绝缘子红外诊断训练和绝缘子红外诊断识别,从而完成绝缘子红外故障定位。本发明的技术方案能够实现自动对绝缘子红外图像中的故障的识别及定位诊断,节省了红外运检方法中人工排查的环节,提高了工作效率和检测准确度。

    基于深度学习和边缘计算的外绝缘设备放电故障诊断方法

    公开(公告)号:CN113610837A

    公开(公告)日:2021-11-05

    申请号:CN202110976595.4

    申请日:2021-08-24

    Abstract: 本发明公开了一种基于深度学习和边缘计算的外绝缘设备放电故障诊断方法,包括:S1,构建紫外放电图谱样本库;S2,将紫外放电图谱作为二维图像输入量,进行图像预处理;S3,利用图像预处理后的紫外放电图谱的二维图像输入量训练卷积神经网络,对卷积特征进行提取,得到诊断模型;S4,将诊断模型部署在边缘计算平台JetsonXavierNX上;S5,将紫外成像仪拍摄的待测图像输入到边缘计算平台JetsonXavierNX中进行快速诊断,得到外绝缘设备放电故障信息。本发明提供的方法,利用深度学习和边缘计算技术,对外绝缘设备的紫外图谱进行本地端的快速诊断,最大限度地减少人工工作量,并提高电力巡检作业的实时性。

Patent Agency Ranking